論文の概要: ORBIT-FMIB: Tracking Order-Resolved Epistatic Information Through ESM-2
- arxiv url: http://arxiv.org/abs/2610.00672v1
- Date: Wed, 30 Sep 2026 20:09:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 01:19:23.752794
- Title: ORBIT-FMIB: Tracking Order-Resolved Epistatic Information Through ESM-2
- Title（参考訳）: ORBIT-FMIB:ESM-2による秩序解決エピスタティック情報の追跡
- Abstract要約: 我々はESM-2が1次および2次情報をその表現階層にわたって強く保持するかどうかを問う。
ESM-2が高次てんかん情報を選択的に失うという確証はない。
- 参考スコア（独自算出の注目度）: 3.1035948531044912
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Protein foundation models support mutation-effect and structural prediction, but predictive performance alone does not reveal which forms of biological interaction information remain accessible through model depth. We ask whether ESM-2 retains higher-order epistatic information as strongly as first- and second-order information across its representation hierarchy, introducing ORBIT-FMIB, a diagnostic framework combining Walsh-based interaction decomposition with subset-conditioned neural dependence estimation. The method is validated on synthetic landscapes with known interaction structure before being applied to the dense four-site GB1 fitness landscape using frozen ESM-2 representations. An initial production run suggested ESM-2 retains higher-order epistatic information less well than lower-order information ($Δ_{\mathrm{HO-LO}}=-0.107$). An independent replication of the complete measurement grid, under matched GPU hardware and identical critic seeds, substantially reduced this contrast ($Δ_{\mathrm{HO-LO}}=-0.017$), and its sign was unstable across otherwise-defensible evaluation-pairing choices applied to the same trained critics ($-0.011$ to $+0.015$). We therefore do not currently have robust evidence that ESM-2 selectively loses higher-order epistatic information, nor that retention is equal across orders; the directional question remains open. The measurement protocol itself, including its documented removal of a positional-subset shortcut in pooled critics, remains validated and is unaffected by this finding. ORBIT-FMIB is offered as a diagnostic framework for probing interaction structure in protein foundation models; this study's own replication result illustrates why such probing requires adequately-powered reproducibility checks before its output is treated as a biological finding.
- Abstract（参考訳）: タンパク質基盤モデルでは突然変異効果と構造予測がサポートされているが、予測性能だけでは、どの生物相互作用情報がモデル深度を通してアクセス可能であるかは明らかになっていない。
我々はESM-2が1次および2次情報をその表現階層にわたって強く保持するかどうかを問うとともに、ウォルシュに基づく相互作用分解とサブセット条件のニューラル依存推定を組み合わせた診断フレームワークであるORBIT-FMIBを導入する。
凍結ESM-2表現を用いた高密度4サイトGB1フィットネスランドスケープに適用する前に、既知の相互作用構造を持つ合成ランドスケープ上で検証を行った。
ESM-2の初期生産は、低次情報(Δ_{\mathrm{HO-LO}}=-0.107$)よりも高次エピスタティック情報を保持することを示唆している。
完全な測定グリッドの独立した複製は、GPUハードウェアと同一の批判シードの下で、このコントラスト(Δ_{\mathrm{HO-LO}}=-0.017$)を大幅に削減し、そのサインは、同じトレーニングされた批評家に適用される、非防御可能な評価ペアリングの選択(-0.011$から+0.015$)にわたって不安定であった。
したがって,ESM-2 が高次てんかん情報を選択的に失うという確固たる証拠は得られていない。
測定プロトコル自体は、プールされた批評家による位置-サブセットのショートカットの削除を含む文書化されており、まだ検証されており、この発見の影響を受けていない。
ORBIT-FMIBはタンパク質基盤モデルにおける相互作用構造を解析するための診断フレームワークとして提供されており、本研究の複製結果は、その出力が生物学的発見として扱われる前に、なぜ適切な再現性検査を必要とするのかを示している。
関連論文リスト
- DAG-FM: A Foundation Model for Causal Discovery under Heterogeneous Causal Mechanisms [48.57846236686172]
因果発見を記憶する新しい基礎モデルアーキテクチャである textbfDAG-FM を提案する。
直接行列予測とは異なり、DAG-FMは因果発見プロセスを2つの自己回帰段階に分解する。
我々は,DAG-FMが,合成ベンチマークと複雑な実世界のデータセットの両方で最先端の性能を達成することを示す。
論文 参考訳（メタデータ） (2026-07-13T13:00:06Z) - C2RM-Seg: Causal Counterfactual Reasoning with Structural-Semantic Priors for Weakly Supervised Histopathological Tissue Segmentation [21.55068744950547]
C$2$RM-Segは2段階のフレームワークで、因果的擬似ラベルの洗練と構造認識のセマンティックエンハンスメントを統合している。
分類には、特徴を潜在因子に分解する因果逆推論モジュール(C$2$RM)を導入する。
セグメンテーションのために,ResNeStの微細な構造特徴と凍結DINOV3基礎モデルからのグローバルなセマンティック先行を結合したDual-Path構造セマンティックアーキテクチャを設計する。
論文 参考訳（メタデータ） (2026-06-24T07:44:26Z) - Unlocking Biological Workflows for Robust Protein-Text Question Answering: A Dual-Dimensional RAG Framework [60.82334952881798]
タンパク-テキスト質問回答(QA)は、自然言語による生物学的配列の解釈に不可欠である。
2D-ProteinRAGは,大規模言語モデル(LLM)を金本位生物研究ワークフロー内で動作させる新しいフレームワークである。
本研究では,2D-Proteinが常に最先端の性能を達成し,微調整ベースラインや他のRAG法よりも優れた性能を発揮することを示す。
論文 参考訳（メタデータ） (2026-05-17T05:03:24Z) - Rethinking Molecular OOD Generalization via Target-Aware Source Selection [10.102858221967791]
SCOPE-BENCHは、明示的な物理化学的記述空間におけるクラスタレベルのパーティショニングに基づいて構築されたベンチマークである。
POMAは、知識伝達を検索-合成-適応パイプラインとして定式化するフレームワークである。
SCOPE-BENCHにおける最先端の3D分子モデルの予測誤差は平均5.9倍である。
論文 参考訳（メタデータ） (2026-05-13T16:09:46Z) - Departures: Distributional Transport for Single-Cell Perturbation Prediction with Neural Schrödinger Bridges [51.83259180910313]
遺伝子機能解析における大きなボトルネックは、単細胞データの未成熟の性質である。
我々は、SB(Schrdinger Bridge)を近似して、単セル摂動データに対処する。
本モデルは,異種単一セル応答を効果的に捉え,最先端の性能を実現する。
論文 参考訳（メタデータ） (2025-11-17T08:27:13Z) - Unlasting: Unpaired Single-Cell Multi-Perturbation Estimation by Dual Conditional Diffusion Implicit Bridges [68.98973318553983]
本稿では,Dual Diffusion Implicit Bridges (DDIB) に基づくフレームワークを提案する。
我々は、生物学的に意味のある方法で摂動シグナルを伝達するために遺伝子制御ネットワーク(GRN)情報を統合する。
また、サイレント遺伝子を予測し、生成したプロファイルの品質を向上させるためのマスキング機構も組み込んだ。
論文 参考訳（メタデータ） (2025-06-26T09:05:38Z) - U2AD: Uncertainty-based Unsupervised Anomaly Detection Framework for Detecting T2 Hyperintensity in MRI Spinal Cord [7.811634659561162]
脊髄MR画像におけるT2過強度は、変性頚髄症などの病態において重要なバイオマーカーである。
深層学習法は病変検出の可能性を示してきたが、ほとんどの教師付きアプローチは大きな注釈付きデータセットに大きく依存している。
本稿では,これらの制約に対処するため,不確実性に基づくunsupervised Anomaly DetectionフレームワークであるU2ADを提案する。
論文 参考訳（メタデータ） (2025-03-17T17:33:32Z) - Diffusion Model with Representation Alignment for Protein Inverse Folding [53.139837825588614]
タンパク質逆フォールディングはバイオインフォマティクスの基本的な問題であり、与えられたタンパク質のバックボーン構造からアミノ酸配列を復元することを目的としている。
表現アライメント(DMRA)を用いた拡散モデルを用いた新しい手法を提案する。
実験では,CATH4.2データセットを広範囲に評価し,DMRAが先行手法より優れていることを示す。
論文 参考訳（メタデータ） (2024-12-12T15:47:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。